19893 पेपर
यह शोध पत्र GES को प्रस्तुत करता है, जो यूक्लिडियन TSP के लिए एक लर्निंग-आधारित ग्राफ एज स्पार्सिफिकेशन विधि है, जो 1% से कम की ऑप्टिमलिटी गैप बनाए रखते हुए ग्राफ के आकार को 99% तक अनुकूल रूप से कम करता है, जिससे बड़े पैमाने के इंस्टेंस के समाधान में महत्वपूर्ण तेजी आती है।
यह शोधपत्र यह प्रदर्शित करता है कि सेल्फ-डिस्टिलेशन के लिए एक नियत (deterministic), अनगेमेबल (ungameable) निष्पादन फ़िल्टर (स्ट्रिक्ट-लॉन्च) का उपयोग करना एक कोड जनरेटर की कार्यात्मक, क्रॉस-फैमिली गेम प्रोजेक्ट्स बनाने की क्षमता को महत्वपूर्ण रूप से बढ़ाता है, जो यह सिद्ध करता है कि केवल डेटा की मात्रा या उदार जाँच के बजाय, सत्यापनकर्ता (verifier) की सटीकता ही वास्तविक सामान्यीकरण (generalization) को प्रेरित करती है।
यह शोध पत्र फीडबैक-कपल्ड मेमोरी सिस्टम्स (FCMS) ढांचे को निरंतर समय (continuous time) तक विस्तारित करता है, जिसमें एजेंट और पर्यावरणीय ऑपरेटरों को क्रमशः मैकेनिज्म-बेस्ड इंटेलिजेंस और एक कपल्ड मेमोरी ग्राफ प्रोसेस के माध्यम से पूर्व में अमूर्त रूप से परिभाषित किया गया है, ताकि एक सार्वभौमिक स्थिरता स्थिति स्थापित की जा सके जहाँ मेमोरी डिसिपेशन (क्षय) फीडबैक गेन से अधिक होना चाहिए, एक ऐसा निष्कर्ष जिसे दो एजेंटों से लेकर मीन-फील्ड सिमुलेशन तक के विभिन्न पैमानों पर सत्यापित किया गया है।
यह शोध पत्र DSiGAT का प्रस्ताव करता है, जो एक डायनेमिक सीन ग्राफ अटेंशन फ्रेमवर्क है जो ट्रैफ़िक को एक समय-परिवर्तनीय इंटरेक्शन ग्राफ के रूप में मॉडल करता है ताकि कई वाहनों के लिए लेन-चेंज इरादों और भविष्य के प्रक्षेप पथों (ट्रैजेक्टरीज) की एक साथ भविष्यवाणी की जा सके, जिससे मानक डेटासेट्स पर मौजूदा बेसलाइन्स की तुलना में बेहतर सटीकता और सीन-स्तरीय निरंतरता प्राप्त होती है।
यह शोध पत्र प्रदर्शित करता है कि हॉटलिंग स्थानिक बाजारों (Hotelling spatial markets) में संरचित तर्क हस्तक्षेपों (structured reasoning interventions) के प्रभाव आर्किटेक्चर-निर्भर होते हैं, जहाँ प्रतिबद्धता स्कैफोल्डिंग (commitment scaffolding) मानक मॉडलों को लाभ पहुँचाती है लेकिन तर्क-अनुकूलित (reasoning-optimized) मॉडलों में बाधा डालती है, जबकि सिद्धांतिक पृथक्करण (principled separation) इसके विपरीत पैटर्न को दर्शाता है, जो अंततः यह प्रकट करता है कि प्रतिकूल तनाव (adversarial stress) तर्क मॉडलों को अधिक गंभीर रूप से खराब करता है और रणनीतियों की पहचान करने तथा उन्हें निष्पादित करने के बीच का निरंतर अंतराल केवल विशिष्ट आर्किटेक्चरल संरेखण (architectural alignment) के माध्यम से ही तर्क मॉडलों के लिए भरा जा सकता है।
यह शोधपत्र एजेंटिक एआई (agentic AI) प्रणालियों के लिए 'न्यूनतम विशेषाधिकार' (least privilege) सिद्धांत के एक आवश्यक सामान्यीकरण के रूप में "न्यूनतम स्वायत्तता" (least autonomy) का प्रस्ताव करता है, जो जटिल प्राधिकरण संरचनाओं (authorization compositions) और क्रॉस-डोमेन क्षमता हेरफेर (cross-domain capability manipulations) का पता लगाने और उन्हें नियंत्रित करने के लिए कंपोजिशनल ब्लास्ट रेडियस मेट्रिक्स (compositional blast radius metrics), निर्देशित एजेंट प्रभाव ग्राफ (directed agent influence graphs) और मिलीभगत विधेयकों (collusion predicates) को संयोजित करने वाले एक औपचारिक सिद्धांत को प्रस्तुत करता है।
यह शोध पत्र एपिस्टेमिक स्टेट रेप्लिकेशन (ESR) का प्रस्ताव करता है, जो एजेंटिक वितरित प्रणालियों के लिए एक नवीन ढांचा है जो पारंपरिक बिटवाइज़ स्टेट एग्रीमेंट को सिमेंटिक बिलीफ रेप्लिकेशन से बदल देता है, जिससे स्टोकेस्टिक एजेंट नियत स्टेट सिंक्रोनाइज़ेशन के बजाय संरचित साक्ष्य लॉग और सिमेंटिक अनुकूलता मेट्रिक्स के माध्यम से परिचालन निरंतरता बनाए रख सकते हैं।
यह शोध पत्र MorphologyFM को प्रस्तुत करता है, जो एक मल्टीमॉडल फाउंडेशन मॉडल है जिसे एक मॉर्फोलॉजी-अवेयर सेल्फ-सुपरवाइज्ड ऑब्जेक्टिव का उपयोग करके युग्मित ECG और SpO2 वेवफॉर्म्स पर प्रीट्रेन किया गया है, जो नैदानिक रूप से सार्थक वेवफॉर्म संरचनाओं को स्पष्ट रूप से संरक्षित करके विविध क्लिनिकल प्रेडिक्शन कार्यों में मौजूदा विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र टास्क-कंडीशन्ड सिंथेटिक डेटा जनरेशन (TCSDG) को प्रस्तुत करता है, जो बेयसियन नेटवर्क और ट्रांसफॉर्मर-आधारित इन-कॉन्टेक्स्ट लर्निंग को संयोजित करने वाला एक नवीन ढांचा है, जो उच्च गुणवत्ता वाले सिंथेटिक डेटा के निर्माण के माध्यम से कृषि फसल उपज भविष्यवाणी और प्रकार वर्गीकरण कार्यों में मशीन लर्निंग प्रदर्शन को बढ़ाकर मौजूदा विधियों से काफी बेहतर प्रदर्शन करता है।
यह शोधपत्र WiCAT को प्रस्तुत करता है, जो वाइडफील्ड कैल्शियम इमेजिंग के लिए एक मल्टी-सब्जेक्ट फाउंडेशन मॉडल है जो अनसीन सब्जेक्ट्स पर ज़ीरो-शॉट बिहेवियर डिकोडिंग और ब्रेन रीजन रिकंस्ट्रक्शन को सक्षम करने के साथ-साथ सिंगल-सेशन बेसलाइन्स की तुलना में बेहतर प्रदर्शन प्राप्त करने के लिए एटलस-अलाइन्ड स्पैटियोटेम्पोरल टोकनाइज़ेशन और सेल्फ-सुपरवाइज्ड प्रीट्रेनिंग का उपयोग करता है।